ML и AI — свежие вакансии

Дивизион «Моделирование и исследование данных» отвечает за компетенцию Data Science в Блоке Сеть Продаж.

Мы разрабатываем и внедряем end-to-end решения на основе AI в бизнес-процессы Сети Продаж Банка.

Ищем лидера, который вместе с командой будет строить топовые AI-решения для привлечения клиентов на зарплатные проекты, приносящие пользу клиентам, сотрудникам и Банку.

• Управлять командой DS и MLE: управлять бэклогом, развивать компетенции, проводить найм и растить сотрудников;

• Формировать стратегию и дорожную карту развития AI-решений для Управления зарплатных проектов;

• Обеспечивать полный цикл создания AI-продуктов: от исследования данных и прототипирования до промышленного внедрения и мониторинга;

• Взаимодействовать с бизнес-заказчиками и смежными подразделениями для определения приоритетов, разработки, внедрения и оценки эффектов от внедрения AI;

• Контролировать качество, надёжность и стабильность ML-решений и AI-агентов;

• Отвечать за оценку эффективности AI-решений и их вклад в бизнес-показатели Банка.

• Опыт руководства командами Data Science / ML от 3 лет;

• Глубокое понимание полного цикла создания AI-решений: от сбора данных и построения моделей до эксплуатации и A/B-тестирования;

• Техническая экспертиза в стеке: Python, SQL, ML, MLOps, LLM/Agents;

• Умение выстраивать процессы разработки AI-решений и обеспечивать выпуск production-ready кода;

• Навыки взаимодействия и управления заинтересованными сторонами, приоритизации задач и оценки бизнес-эффектов;

• Опыт найма, развития и мотивации технических специалистов

• График 5/2, офис на м. Кутузовская;

• Режим работы - офис;

• Достойный уровень вознаграждения (оклад + годовая премия);

• Возможность возглавить AI-направление и влиять на цифровую трансформацию банка;

• Широкие возможности для профессионального развития: корпоративный университет и множество онлайн-программ обучения. Корпоративное обучение за счёт компании;

• Бесплатная подписка СберПрайм+, многочисленные скидки и бонусы от партнёров: СберМаркет, МегаМаркет, Самокат, Еаптека и др.

Привет! Мы — команда разработки ML-помощников и ассистентов. Создаём и развиваем интеллектуальных ассистентов, которые встраиваются прямо в рабочие процессы компании. Наши боты работают в корпоративном мессенджере, автоматизируют HR-процессы, суммаризируют многотысячные треды и звонки — экономят часы времени каждому сотруднику. Мы делаем полезные прикладные проекты, которые решают реальные задачи бизнеса.

Наша цель — сделать ML-помощников незаметными, но незаменимыми. Мы хотим, чтобы каждый сотрудник взаимодействовал с десятками ассистентов ежедневно, не задумываясь, что за этим стоит сложная инженерия: оркестрация LLM, потоковая обработка данных, интеграция с корпоративными системами и надёжное рантайм-окружение на Go.

Ищем инженера, который готов вместе с нами проектировать и разрабатывать прикладные AI-решения и поддерживать высокий уровень инженерной культуры.

Наш стек

• Go, PostgreSQL, Kafka, Kubernetes, Docker, LLM, Prometheus, Grafana, OpenTelemetry.

Вы будете

• Проектировать и разрабатывать ML-помощников и ассистентов на Go — от архитектуры до продакшн-релизов.
• Строить надёжную оркестрацию: управление диалоговыми состояниями, очередями задач, асинхронными вызовами LLM.
• Интегрировать ассистентов с корпоративным контекстом: корпоративный мессенджер, Jira, Confluence, внутренние базы знаний.
• Работать с промптами: оптимизировать, тестировать, внедрять RAG-пайплайны для точных ответов по документации компании.
• Обеспечивать отказоустойчивость ассистентов — обработка ошибок, retry-логика, circuit breaker, graceful degradation при недоступности LLM.
• Разрабатывать пайплайны суммаризации: стриминг аудио из звонков → ASR → chunking → LLM → генерация саммари в реальном времени.

Примеры задач

• Разработать HR-ассистента в корпоративном мессенджере.
• Разработать AI-ассистент для юридического отдела.
• Реализовать пайплайн суммаризации звонков.

Нам важно

• Опыт коммерческой разработки на Go от 3 лет..
• Понимание архитектуры LLM-приложений: промпт-инжиниринг, RAG, контекстные окна, токенизация.
• Опыт работы с Kafka.
• Уверенное владение K8s, Docker — вы умеете упаковывать ассистента в образ и деплоить в кубер.
• Понимание принципов Observability: логи, метрики, трейсинг (OpenTelemetry) для отладки AI-пайплайнов.
• Навык написания тестов (unit, integration, e2e) для ассистентов — промпты и сценарии тоже нужно тестировать.

Будет плюсом

• Опыт работы с embedding-моделями и ранжированием для RAG-пайплайнов.
• Умение читать и дебажить чужой код на Go, проводить ревью.
• Опыт разработки плагинов/интеграций для корпоративных мессенджеров.

A2 Consulting – представитель группы компаний КОРУСКонсалтинг, резидент ПВТ, команда профессионалов в области внедрения систем бизнес-анализа (BI) и корпоративных хранилищ данных (DWH) на предприятиях различных отраслей с покрытием региона СНГ, EU и USA.
Наша основная задача – предоставлять своим клиентам конкурентные преимущества посредством построения (внедрения) современных систем в сфере данных – DataGovernance, DataWareHouse и Buisness Intelligence.

В связи с активным ростом группа компаний A2 Consulting ищет в свою команду Data Engineer для участия в проектах по внедрению решений класса Data Lakehouse (DLH).

🔹 Что мы ищем в кандидатах:

• Опыт работы в качестве Data Engineer от 2 лет
• Уверенное знание SQL и реляционных баз данных
• Уверенное знание Python;
• Опыт работы с оркестраторами ETL-процессов (Apache Airflow).
• Понимание концепций Data Lakehouse и медальонной архитектуры;
• Опыт построения ETL/ELT pipelines (пакетная и потоковая обработка);

🔹 Что будет входить в обязанности:

• Проектирование, разработка и поддержка ETL/ELT-процессов загрузки данных из источников в Data Lakehouse;
• Разработка трансформаций данных по слоям решения;
• Сбор витрин данных по разработанному ТЗ для сервисов и BI-аналитики;
• Настройка и сопровождение оркестрации пайплайнов в Apache Airflow;
• Работа с табличным слоем на Apache Iceberg и объектным хранилищем;
• Участие в контроле качества данных;
• Написание документации, комментирование кода;
• Взаимодействие с Data-аналитиками и архитекторами для создания новых и оптимизации существующих витрин.

🔹 Будет плюсом:

• Опыт работы с объектным хранилищем (S3-совместимое MinIO/ Ceph) и табличными форматами (Apache Iceberg / Hudi / Delta);
• Опыт работы с Apache Spark;
• Опыт работы с SQL-движками Trino / Presto;
• Опыт работы с Apache Kafka и CDC (Debezium);
• Опыт работы с dbt;
• Опыт внедрения решений на Kubernetes;
• Опыт работы в банковской / финансовой сфере;
• Знакомство с инструментами data governance (Apache Atlas, Apache Ranger).

🔹 Что мы предлагаем:

• Стать сотрудником группы компаний КОРУСКонсалтинг – ТОП-10 IT-интеграторов на пространстве СНГ;
• Работу в компании-лидере рынка BI в Беларуси, резиденте Парка Высоких Технологий с офисами в EU и USA и экспертным коллективом;
• Совместное развитие в технологичной команде, участие в интересных проектах в перспективной и активно развивающейся отрасли;
• Прозрачную схему мотивации, официальное оформление в штат, социальный пакет и корпоративные бонусы (английский, спорт, ДМС, такси, скидки у партнеров, фрукты и ивенты в офисе);
• Стабильную и конкурентоспособную зарплату, привязанную к курсу USD;
• Комфортный офис в 10 минутах от метро «Площадь победы»
• Базовый график 5/2 с 9.00 до 18.00 с возможностью организации гибкого рабочего времени;
• Личностное и профессиональное развитие за счет компании, участие в конференциях и семинарах;
• Открытую корпоративную культуру, дружную команду, здоровую атмосферу и насыщенный календарь ярких корпоративов.

🔹 Мы ищем не идеальных кандидатов, а перспективных коллег, которые готовы прокачивать свои навыки и становиться экспертами.
Откликайся, будем знакомиться!

Ссылка на вакансию на портале службы занятости:

Привет! 👋 Мы — дата-инженерная команда внутри Управления экспериментальных систем машинного обучения SberAI. Наша миссия — поставлять качественные мультимодальные датасеты в продуктовые команды, которые развивают генеративные модели: speech, music, image, video, 3D, text.

🔍 Парсить открытые источники, собирать готовые датасеты

⚙️ Оркестрировать ETL/ELT-пайплайны, фильтровать и описывать данные, прогонять модели на бенчмарках

👥 Организовывать проекты ручного сбора и валидации на крауд-платформах TagMe, Elementary, ЯЗ.

Наш стек: 🛠

Python • SQL • S3 • Hadoop/GreenPlum • Airflow • Docker/K8s • Git • Vault • ML Space • Confluence • Jira

✅ Знание Python (библиотеки для работы с данными и API)

✅ Опыт с ML-пайплайнами и датасетами для CV/NLP

✅ Понимание ETL/ELT и жизненного цикла данных

✅ SQL: SELECT, JOIN, агрегаты, подзапросы

✅ Базовое понимание форматов: CSV, JSON, Parquet, сериализация

✅ Опыт с Docker/Kubernetes

Будет плюсом:

• Airflow или другие оркестраторы

• Понимание облачных сервисов

• гибридный формат работы (2 раза в неделю офис м Кутузовская)

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• программа ипотеки для сотрудников

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Мы создаем AI-продукты, которые трансформируют работу маркетинга: от анализа исследований и клиентских инсайтов до интеллектуального копайлота, помогающего маркетологам работать с данными, документами, контентом и креативами.

Если вам интересно не просто подключать LLM по API, а понимать, как устроены современные AI-системы, проектировать их архитектуру и превращать возможности моделей в работающие продукты, — присоединяйтесь к нашей команде.

• разрабатывать AI-сервисы: от прототипа и выбора подхода до интеграции в существующий технологический ландшафт

• проектировать взаимодействие LLM с инструментами, данными, API и другими сервисами

• развивать AI-копайлота для маркетинга: работу с документами и презентациями, генерацию контента, поиск и анализ информации

• исследовать новые LLM, существующие фреймворки и инструменты и определять, где они могут дать практический эффект в продукте

• проектировать подходы к оценке качества AI-систем, проводить эксперименты и улучшать решения на основе результатов

• участвовать в проектировании архитектуры AI-продуктов и агентных систем на базе современных LLM.

• высшее образование

• опыт разработки на Python и опыт промышленной разработки AI/ML-систем от 3х лет

• глубокое понимание того, как устроены современные LLM-системы: inference, context management, tool/function calling, structured output, caching, embeddings, RAG и agentic workflows

• хорошее понимание system design: архитектуры современных приложений и сервисов, интеграционных паттернов, API, очередей, хранилищ, кэширования и подходов к построению систем

• практический опыт создания продуктов и сервисов на базе LLM

• опыт интеграции LLM в существующие системы и работы с внешними и внутренними API

• опыт работы с векторным поиском и базами данных (Elastic, Chroma, Weaviate или аналоги)

• навыки работы с LLM serving engines (vLLM, ollama, sglang)

• понимание подходов к evaluation LLM-систем и способность превращать субъективное «работает хорошо» в измеримые критерии качества

• особенно важно продуктовое мышление: способность работать с разного уровня проработки требованиями, самостоятельно прорабатывать детали решения, предлагать варианты реализации, быстро проверять гипотезы и вместе с владельцем продукта находить объективные критерии качества AI-продукта

Будет плюсом:

• опыт создания AI-ассистентов, копайлотов или агентных систем для B2B/enterprise-сценариев

• опыт работы с LangGraph, LangChain, LlamaFactory, Unsloth или аналогичными инструментами

• понимание маркетинговых процессов и задач маркетинга

• публикации, open-source или собственные AI-проекты.

• гибридный формат работу, офис на Кутузовском д.32

• ежегодный пересмотр зарплаты, квартальная и годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

ZITREK & DEKO: Инструмент в каждый дом!

Компания 13 лет на рынке, проекту DEKO 6 лет. В нашем портфеле ТМ "DEKO", "Zitrek", "Desoon"

На рынке электроинструмента мы лидируем по продажам (по данным GFK), по доле импорта (по данным РАТПЭ), по узнаваемости бренда, по обороту, по представленности в online. Нашими ключевыми партнерами являются ВсеИнструменты, DNS, Лемана ПРО, OZON, Wildberries, Яндекс Маркет и многие другие.

DEKO - бренд №1 в своей категории на маркетплейсах.

Гордость компании – команда! При относительно небольшой численности мы добились весомых позиций на рынке! Ассортимент компании 1500+ SKU, складской комплекс класса «А» ~25 000 м2

У нас нет: удушающей бюрократии, формализма, штрафов.

Мы вместе, потому что нас объединяют: драйв и энергия, амбиции сохранять лидирующие позиции на рынке, отличная репутация, профессиональное развитие, возможность получать дополнительное образование за счёт компании и доброжелательная корпоративная среда.

В настоящее время мы в поисках коллеги на должность

Разработчик баз данных PostgreSQL / Data Engineer (PostgreSQL + ETL) / Специалист по работе с базами данных (PostgreSQL) / Администратор БД PostgreSQL / DBA c функциями ETL

Вы станете ключевым звеном в развитии нашей аналитической инфраструктуры и будете работать с большими объемами данных в сегменте e-commerce​​​​​

Ваши задачи:

• Проектирование и развитие архитектуры БД: Развитие структуры PostgreSQL под задачи e-commerce (заказы, товары, цены, маркетинговые данные, стоки);

• Оптимизация: Работа с индексами, партиционированием, настройка производительности и миграции;

• ETL-пайплайны: Разработка и поддержка скриптов (Python/SQL) для выгрузки данных из API Ozon, Wildberries и других источников. Настройка регулярных обновлений;

• Аналитика: Создание витрин данных и сложных представлений для отчетов по продажам, маржинальности, возвратам;

• Разработка витрин данных: Подготовка представлений для оперативной аналитики (отчёты продаж, маржа, возвраты, маркетинговые метрики);

• BI-интеграция: Подготовка выгрузок и доступов для BI‑инструментов (Power BI/DataLens/Metabase): схемы, права доступа, контроль качества данных;

• Документация: Ведение документации по структуре БД, витрин и процессов обновления данных.

У нашего будущего коллеги есть:

• Опыт: от 2-х лет коммерческой разработки;

• Стек: Глубокое знание PostgreSQL, опыт моделирования DWH;

• Скриптинг: Уверенное владение Python (написание скриптов для работы с API);

• Инструменты: Практика работы с Docker, понимание процессов ETL;

• API: Опыт интеграции с внешними REST API маркетплейсов: Ozon, WB;

• BI: Базовое понимание BI-стека (Power BI / DataLens / Metabase) для корректной подготовки данных;

• Образование: Высшее техническое/математическое желательно.

Мы предлагаем:

• Задачи для роста и профессионального развития;
• Команду, где ценят инициативу;
• Комфортный офис в непосредственной близости от "Площади трех вокзалов" (ст.м. «Комсомольская», «Красные ворота», "Бауманская");
• Удобный график работы с 8:30 до 17:00, а в пятницу до в 16:00;
• Возможность гибридного формата работы после исп.срока;
• Достойный уровень заработной платы;
• Офис с душой: светло, удобно, с кофе, чаем, кухней и людьми, с которыми хочется работать.

Уважаемые кандидаты, мы ценим ваше время, уделенное изучению вакансии в ZITREK RUS, и рады, что Вы рассматриваете нашу Компанию как потенциального работодателя. При положительном рассмотрении вашего резюме мы свяжемся с вами в течение трёх рабочих дней. В ином случае ваше резюме будет зачислено в резерв, мы вернемся к нему при появлении вакансии, соответствующей вашим компетенциям и ожиданиям.

Желаем Вам успехов!

Наш клиент: международная продуктовая IT-компания, развивающая высоконагруженные онлайн-сервисы в развлекательном сегменте, находится в поисках Data Engineer, который будет работать над внутренними продуктами и решениями для команд и смежных подразделений.

Проекты находятся на разных стадиях: от активной разработки новых решений до поддержки существующих систем.

Работа предполагает релокацию на Кипр, в офис в Лимассоле.

Обязанности:

• Проектировать и внедрять новые потоки данных в существующие системы
• Выстраивать многослойную архитектуру хранения данных с нуля для новых проектов
• Взаимодействовать с продакт-менеджерами, аналитиками, SQL-разработчиками и внешними командами

Требования:

• Опыт работы с ETL-фреймворками (dagster, airflow, prefect) — от 3+ лет
• Опыт работы с реляционными БД (MSSQL, PostgreSQL, MySQL, Oracle)
• Опыт работы с аналитическими БД (Clickhouse, Vertica, Greenplum)
• Опыт работы с dbt
• Опыт написания юнит- и интеграционных тестов (pytest)
• Базовые знания Docker, опыт работы с Kubernetes будет плюсом

Условия:

• Релокация на Кипр (Лимассол) с поддержкой оформления документов для сотрудника и семьи
• Заработная плата обсуждается по итогам интервью
• Годовой бонус по результатам работы
• Работа в офисе в Лимассоле (современная техника, питание — завтраки и обеды, спортзал)
• Гибкий график с возможностью выбора начала рабочего дня
• Работа в русскоязычной команде
• Минимум бюрократии и быстрые процессы принятия решений

Чем предстоит заниматься:

• разработка с нуля и доработка компонентов для обработки биометрических образцов (изображения лиц, голосовые файлы, видео-потоки);

• развитие ключевого продукта платформы, отвечающего за контроль качества биометрии (проверка "живости", четкости, шумов);

• борьба с техническим долгом: вы будете участвовать в миграции с устаревших монолитных решений на современный стек, улучшать архитектуру модулей и оптимизировать производительность (ускорение инференса);

• работа в многомодульной среде:

  • прикладной слой (API): интеграция алгоритмов в сервисы;

  • библиотечный слой (ML): работа с ML-моделями и алгоритмами анализа.

Мы будем рады, если у вас:

• опыт коммерческой разработки на Python от 2 лет и уверенное владение PyTorch;

• архитектурное мышление. Мы ценим умение писать чистый, поддерживаемый код (Type Hints, SOLID, паттерны) выше, чем знание конкретной библиотеки. Стек меняется, а навык проектирования — нет;

• опыт исследования open-source решений: вы умеете сравнивать архитектуры моделей, анализировать обучаемость и понимаете, как оценивать наличие и качество открытых весов;

• понимание жизненного цикла данных: сбор, подготовка, аугментация и разметка датасетов;

• навыки построения метрик для ML-моделей (ROC-AUC, EER, FAR/FRR) и умение интерпретировать их поведение.

Будет большим плюсом:

• опыт составления и анализа алгоритмов Computer Vision для обработки лиц (Landmarks, Liveness) или алгоритмов обработки голоса (VAD, ASR, Speaker Recognition);

• практика с библиотеками: OpenCV, dlib, ONNX Runtime, Matplotlib, Pandas;

• навыки Fine-tuning моделей под специфические прикладные задачи (дообучение на своих датасетах);

• опыт разработки на C++ (для написания высокопроизводительных биндингов или оптимизации);

• принципиальное знакомство с Docker и контейнеризацией;

• умение работать самостоятельно: разбирать требования, предлагать несколько решений с оценкой рисков и доводить задачи до релиза без постоянного контроля.

Мы предлагаем:

• работу в аккредитованной IT-компании, участие в развитии стратегической государственной системы;

• гибридный формат: 2 дня в офисе (Москва или Воронеж), 3 дня удалённо;

• официальное оформление по ТК РФ, «белая» заработная плата.

• квартальные и годовые премии;

• ДМС после прохождения испытательного срока;

• кафетерий льгот (дополнительные опции на выбор);

• возможности для обучения, повышения квалификации, участия в профильных конференциях;

• молодой, профессиональный коллектив и интересные задачи.

Мы ищем разработчика в команду рекомендательной системы.
Роль предполагает работу с высоконагруженными сервисами, рекомендательными системами и тесное взаимодействие с ML-инфраструктурой продукта.

Команда работает с пользовательскими событиями, real-time обработкой данных и алгоритмами персонализации, которые напрямую влияют на ключевые продуктовые метрики.

Чем предстоит заниматься:

Разрабатывать и развивать backend-сервисы рекомендаций на Python.

Участвовать в проектировании и эволюции архитектуры сервисов без детализированных ТЗ.

Интегрировать и поддерживать алгоритмы рекомендательных систем совместно с ML-командой.

Работать с потоками пользовательских событий и real-time обработкой данных.

Оптимизировать производительность, устойчивость и масштабируемость сервисов.

Участвовать в code review, технических обсуждениях и принятии архитектурных решений.

Мы ожидаем:

Уверенное владение Python 3.9+ и опыт промышленной разработки на нём.

Глубокое понимание system design и принципов построения масштабируемых сервисов.

Самостоятельность и способность работать в условиях неполных требований.

Опыт работы с Redis.

Понимание классических алгоритмов и структур данных.

Опыт работы с базами данных: запросы, миграции, оптимизация, профилирование.

4+ лет опыта разработки стабильных и масштабируемых web-сервисов и API (REST, JSON-RPC, gRPC).

Базовое понимание DS/ML для работы с лентами и рекомендательными системами.

Практический опыт взаимодействия с ML-моделями и их интеграции в backend.

Опыт или понимание принципов построения рекомендательных систем.

Будет плюсом:

Опыт работы с высоконагруженными системами.

Опыт работы с ClickHouse.

Опыт работы с event-driven архитектурой и streaming-данными.

Технологии и инфраструктура:

Языки: Python (FastAPI, Faust)

Cloud: AWS

Оркестрация: Kubernetes (легковесные сервисы), AWS SageMaker (ML-сервисы)

CI/CD: GitLab CI (линтеры и тесты до merge request)

Streaming: Kafka

Data: ClickHouse (Kafka Engine для аналитики)

Redis Stack (агрегации и online-данные)

ML: Jupyter Notebooks в SageMaker

Возможность поднимать инстансы с GPU / CPU / RAM по требованию

Monitoring & Logs: Prometheus, Grafana, Sentry, Kibana

Product Analytics: Datalens

Data governance: миграции и версионирование схем

Мы предлагаем:

Полностью удалённую работу из любой точки мира.

Современное корпоративное оборудование.

Работу над продуктом с реальной нагрузкой и масштабом.

Влияние на ключевые продуктовые метрики через рекомендации.

Взаимодействие с ML- и data-командами.

Команду с высокой степенью самостоятельности и ответственности.

Регулярные командные и неформальные встречи.

Алиса помогает миллионам людей решать повседневные задачи. В команде Алисы AI мы строим Мою Память — единое место для того, что важно пользователю: заметок, дел, списков, планов и файлов. Но наша цель — не просто сделать ещё один заметочник. Мы создаём контекстный слой Алисы: пользователь сможет без лишних усилий сохранить важное, найти это обычными словами и получить нужный контекст в подходящий момент — в чате, с помощью колонки или на другом устройстве с Алисой.

Например:

«Запомни код домофона»

«Добавь молоко в список покупок»

«Что педиатр написал про витамин D?»

«Напомни записаться к врачу через две недели»


В основе сценария — LLM, которая понимает намерение пользователя, вызывает нужные инструменты для создания, поиска и изменения записей и формирует итоговый ответ. Здесь особенно важны точность и надёжность: Алиса не должна забывать сохранить обещанное, менять не ту запись или уверенно говорить о действии, которого не произошло.

Ищем ML-аналитика, который поможет нам измерять и системно улучшать качество Моей Памяти — от первого решения модели до результата, который увидит пользователь.

Создание системы оценки качества AI-продукта

Вы будете формировать целостную картину качества сценария: определять ключевые метрики и раскладывать их по этапам — роутинг, поиск контекста, вызов инструментов, итоговый ответ и доставка результата. Нужно будет связывать офлайн-оценку моделей с поведением продукта в реальном потоке, проектировать мониторинги и дашборды, которые помогают вовремя замечать деградации. Предстоит находить срезы, в которых общая метрика скрывает проблемы: разные устройства, интенты, типы записей и сложность диалога.

Приёмка новых моделей и изменений

Вместе с ML-разработчиками, продуктом и редакторами вы будете отвечать на практический вопрос: можно ли выпускать новую модель пользователям? Для этого предстоит: собирать репрезентативные eval-наборы и приёмочные корзинки, сравнивать версии моделей и разбирать регрессии, развивать LLM-as-a-judge и проверять его согласованность с человеческой оценкой. Нужно будет определять критерии готовности к эксперименту и запуску, проводить постанализ после выкладки и проверять, подтвердился ли ожидаемый эффект.

Разбор ошибок модели и поиск точек роста

Вам предстоит много работать с живыми пользовательскими сценариями и текстовыми логами. Ваши задачи — искать срабатывания false positive и false negative; разбирать DSAT и проблемные диалоги; кластеризовать ошибки и отделять проблемы намерения, retrieval, tool calling и генерации ответа. Нужно будет выявлять повторяющиеся паттерны через data mining и эвристики, превращать наблюдения в проверяемые продуктовые и ML-гипотезы, оценивать масштаб проблемы и ожидаемый эффект исправления.

Подготовка данных для улучшения моделей и проверка изменений онлайн
Вы будете участвовать во всём цикле улучшения качества: формировать выборки для обучения, валидации и независимой приёмки; следить за покрытием сценариев и смещениями в данных; помогать определять разметку и таксономию ошибок. Нужно будет оценивать качество датасетов и автоматической разметки, делать воспроизводимые исследования, которыми сможет пользоваться вся команда.

После офлайн-приёмки предстоит оценивать работу продукта на реальных пользователях: проектировать и анализировать A/B-эксперименты, интерпретировать изменения продуктовых и качественных метрик, отделять эффект модели от изменений состава трафика, находить новые проблемы и удачные сценарии, которые проявляются только в живом потоке.

* Уверенно владеете SQL и Python и умеете самостоятельно проводить исследование от сырых данных до вывода
* Умеете работать с большими объёмами событийных данных и текстовых логов
* Знаете основы математической статистики и A/B-тестирования
* Умеете проектировать метрики, проверять их валидность и объяснять ограничения
* Способны превратить размытый вопрос о качестве продукта в измеримую постановку
* Умеете находить причины за агрегатами и проверять гипотезы на данных
* Понимаете базовые принципы работы ML-моделей и готовы разбираться в сложной LLM-системе
* Ясно формулируете выводы и можете обсуждать их с ML-разработчиками, инженерами, редакторами и менеджерами

* Работали с LLM-продуктами, NLP или голосовыми ассистентами
* Строили evals, LLM-as-a-judge или системы автоматической оценки моделей
* Оценивали качество ранжирования, поиска или классификации
* Собирали обучающие и приёмочные датасеты
* Строили аналитические дашборды и мониторинги
* Знакомы с retrieval, RAG, tool calling и агентными системами
* Умеете работать с неструктурированными данными и проектировать таксономии ошибок

Вас ждут задачи, для которых нет готового решения на рынке — вы сами будете выбирать стек, обучать модели и внедрять их в реальные бизнес-процессы, получая взамен не только новый опыт, но и бюджет на эксперименты и карьерный апсайд до руководителя AI-направления.

Как пример опишу одну из задач, которую нужно будет реализовать первоочередно: В Конструкторском отделе большая библиотека чертежей, что-то из них актуально, что-то нет. Необходимо, чтобы ИИ из этих чертежей, выбрал тот чертеж, который нужно взять за основу, при новой разработке.

Много задач для ИИ связано с конструкторским отделом (Проверка чертежей, распределение задач, контроль сроков)

Основные задачи

• Анализировать бизнес-процессы компании и выявлять задачи, которые можно решить с помощью искусственного интеллекта.
• Общаться с руководителями и сотрудниками, собирать требования к AI-решениям.
• Предлагать оптимальные варианты реализации: готовые AI-сервисы, no-code/low-code инструменты, API-интеграции или собственная разработка.
• Разрабатывать и внедрять AI-инструменты под задачи компании.
• Настраивать AI-ассистентов, чат-ботов, автоматизацию обработки текстов, документов, заявок, данных и клиентских запросов.
• Интегрировать AI-решения с существующими системами компании.
• Тестировать решения, улучшать качество ответов и стабильность работы.
• Документировать реализованные решения и обучать сотрудников работе с ними.
• Отслеживать новые AI-инструменты и предлагать их применение в компании.

Обязательные требования

• Практический опыт разработки или внедрения решений на базе искусственного интеллекта.
• Понимание возможностей современных AI-моделей, включая ChatGPT, Claude, Gemini и аналогичные инструменты.
• Опыт работы с API AI-сервисов.
• Умение переводить бизнес-задачи в технические требования.
• Навыки проектирования AI-ассистентов, промптов, сценариев автоматизации и логики взаимодействия.
• Опыт интеграции AI-инструментов с внешними сервисами, CRM, сайтами, мессенджерами, базами данных или внутренними системами.
• Понимание принципов обработки данных, безопасности и конфиденциальности.
• Способность самостоятельно доводить задачу от идеи до работающего решения.
• Умение объяснять технические решения простым языком.

  Личные качества

• Системное мышление.
• Самостоятельность и инициативность.
• Опыт внедрения AI-решений в бизнесе, в производственных компаниях
• Портфолио реализованных AI-проектов.

• График работы с 9.00 до 18.00 пятидневка, гибрид
• Командировки на производство в г. Серпухов
• Офис 1 минута пешком от станции метро "Беговая",
• Оформление согласно ТК РФ,
• Укажите, пожалуйста, ваши финансовые ожидания в сопроводительном письме.

Центр разработки и Data Science проводит R&D в области ML/AI. Мы специализируемся на NLP, CV, быстром прототипировании и внедрении собственных решений в бизнес-процессы заказчиков.

Команда MLE занимается разработкой бизнес-логики и инженерных решений B2B и B2G продуктов с применением технологий ML/AI. Также мы занимаемся обеспечением работы ИТ-инфраструктуры Центра.

Мы находимся в поисках инженера по программному обеспечению с компетенциями в области ML и AI.

• разработка production-сервисов, бизнес-логики и мультимодальных ETL/ELT-пайплайнов

• продуктовая разработка DS-решений: перевод прототипов в сервисы с многопоточностью, batching и кэшированием

• интеграция CV/NLP/ML-моделей (каскады) через vLLM, SGLang, PyTorch, ONNX; оптимизация инференса на GPU

• построение RAG-систем (включая мультимодальные): chunking, эмбеддинги, индексация, retrieval

• написание промптов для агентов, настройка Guardrails, проведение бенчмарков и нагрузочных тестов

• технический ресерч ML/AI-инструментов, внедрение CI/CD, мониторинга и безопасности.

• опыт коммерческой разработки на Python от 2 лет с проектированием production-сервисов под высокой нагрузкой

• требуется уверенное владение современным Python (type hints, Pydantic), а также навыки профилирования и оптимизации кода

• необходим практический опыт разработки асинхронных и многопоточных приложений (asyncio)

• умение строить отказоустойчивые системы с применением rate limiting, circuit breaker и обеспечением идемпотентности

• обязателен опыт тестирования ML-систем и оценки качества LLM/RAG на основе golden datasets

• необходимо знание Docker и Kubernetes на уровне разработчика, а также выстраивание observability через метрики, логи и трейсы.

Желательные требования:

• наличие опыта разработки агентных систем с tool calling (например, на LangGraph или LangChain)

• практический опыт построения RAG-пайплайнов, включая chunking, retrieval и reranking

• знакомство с inference-фреймворками (vLLM, SGLang) и векторными базами данных (Qdrant, Milvus).

• гибридный формат работы

• работа в одной из наиболее перспективных и быстро развивающихся областей - искусственный интеллект

• комфортный современный офис (Кутузовский пр-т, 32)

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• доступны образовательные программы от СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.

Алиса — AI-ассистент, которым каждый день пользуются более 24 миллионов людей в Поиске, Браузере и на умных устройствах. Наша команда учит Алису работать с реальными сервисами (Почтой, Диском, внешними), чтобы она не просто отвечала на вопросы, а действовала: писала письма, заводила задачи, обновляла статусы, перемещала и находила файлы. Коннекторы, продукт нашей работы — это настоящие руки модели, которыми она может делать полезные вещи! Некоторые из них (например, коннектор почты) уже в проде и каждый день становятся ещё лучше.

Мы ищем инженера, который поможет расширить функциональность и свободу действий Алисы, чтобы люди с её помощью решали рутинные и даже сложные задачи в несколько запросов и хотели пользоваться Алисой каждый день.

У нас широкий, разнообразный research-продуктовый скоуп задач, включающий RAG-пайплайн, разнообразные агентные и нетривиальные подходы, RL и RLHF, alignment и «классический» NLP — он позволит вам не устать от однообразных вызовов. От самописного харнеса (при желании) до оптимизации и обучения — вы будете видеть импакт своих действий, не отказываясь от возможности использовать самые передовые и интересные методы из свежих статей!

Улучшать базовую самостоятельность модели

Продумывать масштабируемые модельные решения, методы оценки и ревардинга модели, подходы к агентности и интеграции с сервисами, а также улучшать качество ответов как таковое, включая человечность и, конечно же, красоту.

Развивать и строить новые инструменты и подходы

Мы делаем ставку на самостоятельность модели в решении задач: LLM должна уметь использовать инструменты реактивности там, где это нужно, а где-то генерировать код, искать документы и извлекать информацию RAG-методами. Наша задача — сделать модель, которая будет работать в среде внутренних и внешних сервисов, источников, «как у себя дома».

Интегрировать Алису с реальными сервисами

Разрабатывать новые коннекторы Почты, Диска, Календаря, трекеров задач и внешних API. Придумывать, как сделать так, чтобы взаимодействие модели с этими сервисами не просто работало, а решало задачу пользователя.

Проектировать и улучшать воркфлоу- и агентные пайплайны

Строить многошаговые сценарии: планирование, декомпозиция задачи, вызов инструментов, проверка результата и корректировка курса — всё это должно работать надёжно и предсказуемо даже в нестандартных ситуациях.

Разрабатывать системы оценки и ревардинга

Придумывать метрики, которые отражают реальную пользу, а не просто красивые цифры на бенчмарке. Строить reward-модели, запускать human-eval- и LLM-as-judge-эксперименты, закрывать петлю обратной связи.

Тюнить и оптимизировать поведение модели

Анализировать ошибки и сбои на живом трафике, собирать целевые датасеты и итеративно улучшать модель с помощью SFT, DPO, RLHF и других методов. Находить баланс между общим качеством и точечными улучшениями под конкретные сценарии — так, чтобы Алиса становилась лучше с каждым релизом.

Больше об ML в Яндексе — в канале Yandex for ML

* Обладаете глубокими знаниями в deep learning и NLP
* Работали с LLM и пайплайнами вокруг них
* Интегрировали LLM или агентные решения в прод

Вакансия открыта в связи с расширением Отдела аналитики процессов и отчётности информационной безопасности. Возможен удалённый формат работы.

Требования:

• высшее образование (техническое, ИТ),
• опыт работы от 2-х лет в качестве инженера данных, BI аналитика, ETL разработчика,
• опыт разработки и оптимизации ETL/ELT-процедур и скриптов загрузки данных с использованием Python, Airflow,
• навыки работы с витринами данных, хранилищами, СУБД PostgreSQL,
• владение SQL на уровне написания сложных запросов, умение оптимизировать запросы,
• опыт сопровождения разработки, валидации результатов и тестирования данных.
  

Будет плюсом:

• опыт проектирования СУБД PostgeSQL,
• опыт построения дашбордов,
• понимание принципов работы межсистемных интеграций (веб-сервисы REST, SOAP, очереди сообщений),
• навыки описания объектов визуализации BI систем,
• навыки графического описания и моделирования бизнес-процессов в UML, BPMN2.0.

Задачи:

• извлечение, преобразование, анализ и консолидация данных из разнородных источников (DWH, СЗИ, внутренние системы),
• проектирование архитектуры данных и интеграция источников в единую аналитическую базу данных (PostgreSQL),
• разработка витрин и моделей данных для целей Security Intelligence,
• разработка дашбордов полного цикла на отечественных и Open Source решениях (Insight и пр.) в рамках направления информационной безопасности компании,
• сопровождение дашбордов (контроль обновления данных, актуализация бизнес логики, консультация внутреннего бизнес-заказчика, взаимодействие с Вендором по вопросам устранения ошибок, контроль качества данных), в том числе доработка и оптимизация дашбордов,
• анализ ключевых показателей внутреннего бизнес-заказчика (статистические данные в виде единоразовых выгрузок, аналитические приложения и т.п.),
• развитие и поддержание базы знаний в актуальном состоянии (Confluence).

Привет! Мы команда разработки аппаратных проектов.

Мы делаем устройства, которые улучшают складские процессы в Озоне и ищем в свою команду CV инженера на проект "Разработка автоматических устройств измерения ОВХ товаров и постингов".

Вы будете

• Разрабатывать и поддерживать решения на основе компьютерного зрения для измерения габаритов товаров;
• Настраивать камеры и работать с SDK устройств;
• Разрабатывать микросервисы - Python, Docker;
• Проводить интеграции с внутренними системами заказчиков;
• Работать с ML моделями;
• Покрывать фичи тестами;
• Анализировать эффективность существующих решений, оценивать внедрение новых алгоритмов.

Нам важно

• Высшее образование (техническое, математическое);
• Знание Python 3;
• Навыки разработки качественного кода с применением паттернов ООП;
• Базовое знание теории алгоритмов и структур данных;
• Знание алгоритмов компьютерного зрения: классические и ML подходы;
• Знание git;
• Знание английского языка на уровне чтения технической литературы.

Будет плюсом

• Знание методов 3д реконструкции по фото и стерео зрения, основ проективной и эпиполярной геометрии, опыт работы с 3д облаками точек;
• Знание основных принципов и алгоритмов машинного обучения (регрессия, нейросети, градиентный спуск);
• Опыт применения алгоритмов детекции, классификации и сегментации изображений;
• Навыки разработки на C++;
• Опыт работы с БД и знание SQL;
• Опыт работы с web (бэкенд или фронтенд);
• Опыт написания качественных unit тестов.

Vs — R&D команда проекта GigaLegal в СБЕР, создающая решения в правовой сфере на основе LLM для автоматизации юридических процессов.

Наша цель — трансформировать работу юристов, бизнеса и госструктур через:

Автоматизацию анализа договоров и юридических документов

Интеллектуальную генерацию правовых текстов

Разработку специализированных юридических чат-ботов

Создание автономных юридических ИИ-агентов

• разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена

• проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности)

• исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines)

• работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen

• дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения

• разработка метрик качества

• взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.)

• опыт работы DS/ML-инженером от 3х лет

• понимание архитектуры LLM и принципов prompt engineering

• опыт построения RAG-систем, fine-tuning и дообучения моделей

• умение проектировать пайплайны inference / retraining

Будет плюсом:

• опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты).
• понимание структуры и логики российских нормативных актов
• опыт интеграции LLM с внешними API или базами знаний

Наш стек:

Python 3.10+, FastAPI, LangChain / LangGraph, OpenSearch, Redis, Kafka

• формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19
• ежегодный пересмотр зарплаты, квартальная и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

В работе мы ставим амбициозные цели и не останавливаемся на достигнутом. Поэтому для нас так важно, чтобы каждый участник большой команды "Авито" разделял культуру компании. Погрузиться в неё помогает Манифест, в котором собраны наши основные ориентиры — миссия, ценности, принципы работы.

О команде

Наша команда занимается обучением собственных базовых LLM и их внедрением в разнообразные бизнес-сценарии Авито. Цель команды — обеспечить все продукты оптимальными моделями как по качеству ответов, так и по стоимости применения (cost-efficiency).

Мы адаптируем лучшие open-source-решения под русский язык и доменную специфику Авито с помощью continual pretraining и подмены токенизатора.

Для постоянного улучшения моделей мы непрерывно исследуем новые методы, пайплайны, включая RL и синтетические данные, и датасеты. Чтобы оставаться на острие технологий, мы проводим регулярные LLM-семинары, где разбираем свежие статьи и тренды AI.

Наш технический фокус сегодня

• Построение оптимального и масштабируемого пайплайна для претрейна и дообучения LLM.
• Оптимизация инференса: работа с современными движками, квантованием, speculative decoding и другими методами ускорения.

Примеры будущих задач

• Масштабирование базовой модели A-vibe: исследование новых архитектур и подходов к обучению.
• Оптимизация скорости и стоимости инференса высоконагруженных моделей в продакшене.
• Проектирование и помощь в разработке внутренних LLM-платформ и multi-agent-систем.
• Построение надёжной инфраструктуры для оценки качества моделей (evaluation).

Мы ждём, что вы

• Хорошо понимаете основы машинного и глубокого обучения, знаете устройство Transformer и базовые подходы к работе с NLP-моделями.
• Имеете практический опыт обучения или дообучения нейросетевых моделей и работы с датасетами, метриками и валидацией.
• Уверенно пишете на Python, умеете работать с PyTorch и знакомы с базовыми инженерными практиками: Git, тестирование, Code Review.
• Умеете корректно ставить эксперимент, сравнивать подходы и объяснять, почему получился тот или иной результат.
• Можете самостоятельно доводить до результата задачу с понятной постановкой, вовремя подсвечивать риски и обращаться за помощью, когда она нужна.
• Интересуетесь LLM, читаете технические материалы и готовы быстро осваивать новые инструменты и подходы.

Будет здорово, если вы:

• Работали с Hugging Face Transformers, PEFT/LoRA или другими инструментами дообучения LLM.
• Имеете опыт с современными NLP-моделями либо участвовали в их внедрении в продакшен.
• Знакомы с инструментами распределённого обучения или оптимизации инференса: DeepSpeed, vLLM, SGLang, TensorRT-LLM и аналогами.
• Использовали MLOps-инструменты для трекинга экспериментов и версионирования данных: Weights & Biases, MLflow, DVC и другие.
• Участвовали в исследовательских проектах, open-source-разработке или соревнованиях по машинному обучению.

Работа у нас — это

• Возможность влиять на продукт: ваши решения будут улучшать опыт миллионов пользователей.
• Сложные технологические задачи на большом масштабе.
• Мощное железо: доступ к производительным GPU-кластерам для экспериментов.
• Сильное комьюнити: команда экспертов, с которой можно обсуждать идеи и подходы.
• Развитие: бюджет на обучение, курсы, конференции и профессиональную литературу.
• Забота о здоровье: ДМС со стоматологией с первого дня, в офисе принимают терапевт и массажист.
• Гибкость: возможность работать удалённо или из офисов в 4 городах России.

В работе мы ставим амбициозные цели и не останавливаемся на достигнутом. Поэтому для нас так важно, чтобы каждый участник большой команды "Авито" разделял культуру компании. Погрузиться в неё помогает Манифест, в котором собраны наши основные ориентиры — миссия, ценности, принципы работы.

О команде

Команда разрабатывает и поддерживает алгоритмы скоринга и проверки пользователей.

Наша главная цель — минимизировать действия, которые могут навредить пользователям и платформе. Мы выявляем и предотвращаем массовые авторегистрации, аренду аккаунтов, взломы учётных записей и другие проявления фрода.

Примеры будущих задач

• Разрабатывать и внедрять модели для детекции взломов, аренды аккаунтов и авторегистраций.
• Улучшать существующие эвристики и модели: от простых правил до ML-систем с онлайн-инференсом.
• Подбирать оптимальные санкции.
• Анализировать эффективность решений на исторических данных и в продакшене с учётом бизнес-метрик.
• Проводить A/B-тесты и выводить модели в продакшен.
• Улучшать алгоритмы поиска фрода в сервисе, который обрабатывает тысячи событий в минуту.
• Находить эффективные решения реальных бизнес-задач.
• Развивать существующие средства обнаружения фрода и адаптировать их к меняющейся внешней среде на основе данных и обратной связи от пользователей этих решений.
• Экспериментировать с SOTA-методами машинного обучения, когда их применение оправдано задачей.
• Проектировать и внедрять end-to-end ML-решения.
• Отслеживать деградацию, следить за метриками в продакшене и участвовать в непрерывном улучшении моделей после запуска.

Мы ждём, что вы

• Умеете проводить полный цикл ML-разработки: данные → модель → прод → мониторинг → проверка влияния (AB или эквивалентные подходы).
• Имеете большой опыт в NLP или значимый опыт вывода и сопровождения моделей в продакшене.
• Уверенно владеете Python и DS-стеком: NumPy / pandas, scikit-learn, CatBoost (или аналоги), и умеете работать с DL-фреймворками (например, PyTorch).
• Понимаете, как выбирать методы под задачу и аргументированно объяснять компромиссы между качеством, стоимостью, скоростью и рисками.
• Умеете оценивать качество моделей при запуске и отслеживать его изменение во времени (дрейф, деградации, проблемы данных).
• Пишете SQL-запросы на уровне, достаточном для анализа данных и диагностики качества.
• Читаете англоязычную техническую литературу.

Будет здорово, если вы:

• Имеете опыт в модерации, Trust & Safety, антифроде.

Работа у нас — это

• Возможность влиять на бизнес и развитие продукта.
• Интересные и разнообразные задачи: аналитики в Авито ищут точки роста бизнеса, изучают поведение пользователей, придумывают фреймворки и настраивают дашборды.
• Много качественных данных, мощная инфраструктура и инструменты, любое необходимое железо — всё готово для продуктивной работы.
• Талантливая команда, крутая аналитическая культура и сообщество профессионалов.
• Прозрачная система премий, достойная зарплата — размер обсудим на собеседовании.
• Личный бюджет на обучение, который можно тратить на книги, курсы и конференции.
• Забота о здоровье: с первого дня у вас будет ДМС со стоматологией, в офисе принимают терапевт и массажист.
• Удалёнка и замечательный офис в двух минутах от метро «Белорусская»: панорамный вид центр города, места для уединённой работы и зоны отдыха.

Мы строим AI-платформу для юристов (GigaLegal): LLM-агенты, RAG, high-load inference и интеграции с внешними системами.

Ищем DevOps-инженера, который поможет собрать и масштабировать инфраструктуру под реальные прод-нагрузки в разных средах.

• разворачивание и поддержка Kubernetes

• работа с GPU-инфраструктурой (A100 / V100)

• настройка CI/CD (GitOps, Helm, ArgoCD)

• мониторинг и логирование (Prometheus, Grafana, Loki)

• обеспечение отказоустойчивости и масштабирования.

• оконченное высшее образование

• опыт DevOps / SRE от 3 лет

• опыт работы с Kubernetes

• Docker, CI/CD, мониторинг

• опыт работы и настройки SOWA

• опыт разработки high-load систем

Будет плюсом:

• навыки работы с генеративными AI-моделями

• опыт создания AI-агентов и использования их в работе будет преимуществом

• работа с ML / LLM / GPU.

• формат работы офис на испытательном сроке, делее гибрид обсуждаем, локация офиса ул Вавилова д.19

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.